基于標簽的模糊匹配微博人脈挖掘算法.pdf

1、繼博客這種社交網(wǎng)絡之后微博迅速崛起。近幾年來，微博的發(fā)展成爆炸式增長，狀態(tài)信息更新頻繁、信息傳播迅速?，F(xiàn)在微博用戶數(shù)量之多，微博要在社交網(wǎng)絡中發(fā)展下去，對微博數(shù)據(jù)進行分析成為了十分關注的研究方向。高效、快速的獲取微博數(shù)據(jù)對微博的分析有重要的參考價值。
　　 標簽是一種以用戶為中心的Web2.0技術。這些年來越來越多的網(wǎng)站已經(jīng)開始利用標簽信息進行個性化推薦。在新浪微博中，用戶可以給自己設定特定的標簽來表達自己的興趣愛好，系統(tǒng)可以根

2、據(jù)用戶設定的標簽為用戶推薦其有相同愛好的人，相比于傳統(tǒng)的標簽推薦，微博中基于標簽為用戶進行推薦節(jié)省了更多的時間和資源。同樣我們可以根據(jù)用戶設定的標簽在微博領域的競爭中挖掘同類人，即有著同一興趣愛好的用戶，這不僅有利于微博企業(yè)了解特定領域用戶的行為，而且能夠為這領域的用戶提供個性化服務，能夠進行精準的廣告投放，分析信息在這類人群中的傳播速度等。
　　 本文的主要研究工作有:
　　 首先，闡述了論文的研究背景和研究意義，介紹

3、了微博及其發(fā)展現(xiàn)狀，數(shù)據(jù)挖掘概述及網(wǎng)絡爬蟲技術，包括通用網(wǎng)絡爬蟲和聚焦網(wǎng)絡爬蟲，新浪微博基于API的數(shù)據(jù)獲取技術。
　　 其次，介紹標簽系統(tǒng)，并在此基礎上提出了基于標簽模糊匹配的微博人脈挖掘算法，詳細介紹了標準庫的建立以及標簽的匹配度的計算方法，通過對算法進行比較分析，得出用該算法挖掘同類人準確率很高。
　　 最后，利用自己所獲得的數(shù)據(jù)，分析微博網(wǎng)絡的結構特性，主要是對該網(wǎng)絡的節(jié)點的度分布、平均路徑長度、聚類系數(shù)進行分析